Pandas實(shí)例 - 怎樣計(jì)算每個(gè)學(xué)生成績(jī)最相似的10個(gè)學(xué)生

本文來自粉絲的一個(gè)需求，怎樣計(jì)算每個(gè)學(xué)生成績(jī)相近的10個(gè)學(xué)生？

需求

他的Excel表格是這個(gè)樣子：

包含每個(gè)學(xué)生的姓名，以及多個(gè)科目的成績(jī)。

怎么用Pandas實(shí)現(xiàn)呢？

解題思路

Pandas解題思路：

1、使用笛卡爾積的方式，得到 每個(gè)學(xué)生 和 另外所有學(xué)生的 關(guān)聯(lián)行

每個(gè)學(xué)生都要與其他所有行進(jìn)行交叉關(guān)聯(lián)，比如有100個(gè)學(xué)生，那應(yīng)該得到100*100 = 1W行結(jié)果

2、對(duì)于關(guān)聯(lián)行，使用df.apply(function)的方法，計(jì)算兩兩相似度；

本步驟是為了計(jì)算每個(gè)學(xué)生和其他學(xué)生的 相似度

3、使用groupby + top n的方式，計(jì)算每個(gè)學(xué)生成績(jī)最相近的10個(gè)學(xué)生

步驟0：讀取數(shù)據(jù)

大家注意，這里的原始數(shù)據(jù)是60行；

步驟1：實(shí)現(xiàn)笛卡爾積

即實(shí)現(xiàn)每個(gè)學(xué)生與其他所有學(xué)生的關(guān)聯(lián)。這里的技巧，是先添加一個(gè)一模一樣的數(shù)字列，用此作為關(guān)聯(lián)列進(jìn)行merge即可

我們看到，這里的結(jié)果行數(shù)是3600，也就實(shí)現(xiàn)了60個(gè)學(xué)生的兩兩交叉。

步驟2：實(shí)現(xiàn)每個(gè)學(xué)生的相似度計(jì)算

大家注意這里的用法，df.apply，可以按行回調(diào)一個(gè)函數(shù)進(jìn)行處理

這里我多加了一步，把每個(gè)學(xué)生自己和自己關(guān)聯(lián)的行去掉。

步驟3：計(jì)算每個(gè)學(xué)生最相近的10個(gè)學(xué)生

其實(shí)就是實(shí)現(xiàn)group by + top n的效果

看下結(jié)果Excel文件

結(jié)果有3列，每個(gè)學(xué)生，以及他最相似的學(xué)生列表以及相似度值

視頻講解